基于机器学习的验证码识别

目录说明

├── .

├── catpcha_images 验证码采集存储目录

├── thred_images二值化图片存储目录

├── noised_images降噪图片存储目录

├── eroded_images 腐蚀和膨胀图片存储目录

├── extracted_images分割图片目录

├── category_images预识别分类目录

├──

├── get_catpcha.py验证码采集

├── thresh_image.py二值化

├── mov_noise_image.py降噪

├── dilate_erod_image.py 腐蚀和膨胀

├── extract_image.py图片切割

├── category_image.py预识别和分类

├── model_labels.dat训练模型时生成的所需序列化标签

├── captcha_model.hdf5 训练后生成的模型

├──

├── train_model.py训练模型

├── solve_catpcha.py使用训练的模型识别验证码

├──

├── helpers.py 训练和识别时所需的函数

└── main.py统一调用和测试

环境

我的环境：

OSX

Python3.6

opencv

virtulenv

PIL

pytesseract

安装opencv

brew install opencv

将opencv与虚拟环境virtulenv中的python3进行关联链接

sudo ln -s /usr/local/Cellar/opencv/3.4.2/lib/python3.7/site-packages/cv2.cpython-37m-darwin.so cv2.so

其他requirements

numpy

imutils

sklearn

tensorflow

keras

pip3 install -r requirements.txt

测试与运行

可参考代码中的注释进行理解。

验证码前置操作：

包含验证码二值化、降噪、腐蚀和膨胀、预分类

在main中直接调用，依据不同的验证码的情况调节：

如：有的验证码有背景噪声、干扰线，需要进行降噪、腐蚀膨胀操作。

有的验证码干净、只需要二值化、切割即可。

示例

使用xiaocms的验证码进行测试：

http://demo.xiaocms.cn/index.php?c=api&a=checkcode&width=85&height=26&0.8979280327437793

操作：

切换到virtulenv环境：

source /venv/bin/acticate

opencv与virtulenv环境关联

sudo ln -s /usr/local/Cellar/opencv/3.4.2/lib/python3.7/site-packages/cv2.cpython-37m-darwin.so cv2.so

then

python3 main.py

等category_image预识别与分类完成，进行人工纠错，然后训练模型

python3 train_model.py

注：有时当采集数量不足时，随机字符串不足以覆盖所有字符，或预识别不准，不能准确全部分类32个字符串，因此训练模型这一步可能会报错，也就是88行model.add(Dense(32, activation="softmax"))中的32修改为category_images目录下的分类目录数量，(报错会提示这个数字)

训练成功后：

python3 solve_catpcha.py

会随机选择5个验证码进行识别，并显示出来。